java-使用Tika jars进行Mimetype检查

我正在开发单独的标准Java批处理程序.我正在尝试使用Tika Jars确定文件附件的模仿类型.我正在使用Tika 1.4 Jar文件.

我的代码看起来像

Parser parser= new AutoDetectParser();
InputStream stream = new FileInputStream(fileAttachment);
int writerHandler =-1;
ContentHandler contentHandler= new BodyContentHandler(writerHandler);
Metadata metadata= new Metadata();
parser.parse(stream, contentHandler, metadata, new ParseContext());
String mimeType = metadata.get(Metadata.CONTENT_TYPE);
logger.debug("File Attachment: "+fileattachment.getName()+" MimeType is: "+mimeType);

此代码不适用于Office 03和07文档.

从日食运行时,我得到了正确的模仿类型.

我建立了jar文件,并从命令中运行了错误的mimetypes.

out put from command
------------
File Attachment: Testpdf.pdf  MimeType is: application/pdf
File Attachment: Testpdf.tif  MimeType is: image/tiff
File Attachment: Testpdf.xlsx  MimeType is: application/x-tika-ooxml
File Attachment: Testpdf.xltx  MimeType is: application/x-tika-ooxml
File Attachment: Testpdf.pptx  MimeType is: application/x-tika-ooxml
File Attachment: Testpdf.docx  MimeType is: application/x-tika-ooxml
File Attachment: Testpdf.xls  MimeType is: application/zip
File Attachment: Testpdf.doc  MimeType is: application/x-tika-msoffice
File Attachment: Testpdf.dot  MimeType is: application/x-tika-msoffice
File Attachment: Testpdf.ppt  MimeType is: application/x-tika-msoffice
File Attachment: Testpdf.xlt  MimeType is: application/vnd.ms-excel

我尝试使用OfficePraser,OOXMLParser.它不起作用.
我尝试使用tika 0.9 jar文件. mimeTypes正确出现,但是如果我的文件附件中的任何一个是“可编辑的pdf”,我的批处理进程就都快死了(如代码中的“ exit(0);”).
如果我有新的tika jars,则它会给出错误的mimeTypes.

请帮助我.提前致谢.

CVSR Sarma

解决方法:

首先,您使用了错误的Apache Tika.如果您只想知道文件类型,则应该直接使用Detection API(javadocs),例如：

TikaConfig tika = new TikaConfig();

Metadata metadata = new Metadata();
metadata.set(Metadata.RESOURCE_NAME_KEY, filename);
String mimetype = tika.getDetector().detect(stream, metadata);

如果您的类路径上只有tika-core jar,则上面的检测将使用Mime Magic和Filename提示.这样一来,它就可以获取大多数文件,尤其是如果它们具有正确的扩展名时,但是它只会遇到名称错误的“容器格式”

容器格式如zip,ole2等,其中一种文件格式可以包含多种类型(例如ods,xlsx,keynote都使用.zip,.doc和.xls都使用ole2).如果要进行检测以在容器内查找以获得更准确的结果,则还需要包括tika-parser jar及其依赖项.

请注意,作为explained in the Javadocs,您的流需要支持标记和重置才能检测到工作.这样Tika可以读取流的第一位,查看流以了解您的文件是什么,然后将流返回到准备用于其他用途的位置(例如,解析).大多数流应该,但如果不是,最简单的解决方法是通过TikaInputStream.get将其包装在TikaInputStream中,从而为您整理所有内容

标签：apache-poi,apache-tika,java
来源： https://codeday.me/bug/20191122/2056374.html